--- title: "AdsPower - Plataforma SaaS otimizacao publicitaria IA" description: "Plataforma SaaS de otimizacao publicitaria por inteligencia artificial" locale: "pt" canonical: "https://portfolio.josedacosta.info/pt/realizacoes/adspower-plateforme-optimisation-ia" source: "https://portfolio.josedacosta.info/pt/realizacoes/adspower-plateforme-optimisation-ia.md" html_source: "https://portfolio.josedacosta.info/pt/realizacoes/adspower-plateforme-optimisation-ia" author: "José DA COSTA" date: "2016" type: "achievement" slug: "adspower-plateforme-optimisation-ia" tags: ["Symfony 3.2", "Angular 4/10", "TypeScript", "Azure ML Studio", "NLTK", "Google AdWords API", "Bing Ads API", "Facebook Ads SDK", "MySQL", "GitLab CI", "Vagrant", "Electron"] generated_at: "2026-04-23T15:46:31.391Z" --- # AdsPower - Plataforma SaaS otimizacao publicitaria IA Plataforma SaaS de otimizacao publicitaria por inteligencia artificial **Date:** Janeiro 2016 - Dezembro 2018 **Duration:** 3 anos **Role:** Gerente de Projeto Tecnico & Cofundador **Technologies:** Symfony 3.2, Angular 4/10, TypeScript, Azure ML Studio, NLTK, Google AdWords API, Bing Ads API, Facebook Ads SDK, MySQL, GitLab CI, Vagrant, Electron ## Apresentacao do projeto **Content:** AdsPower era uma **startup early-stage** construindo uma plataforma SaaS de otimizacao de campanhas publicitarias por **inteligencia artificial**. O produto utilizava **modelos de classificacao ML** (Azure Machine Learning Studio) para classificar comportamentos de usuarios, analisar a intencao de busca via SERPs do Google, e **otimizar automaticamente os lances** com base na taxa de conversao. O conceito central: ingerir milhares de pontos de dados de campanhas - palavras-chave, lances, quality scores, taxas de clique, dados de conversao - alimenta-los em **modelos de classificacao supervisionada**, e produzir **recomendacoes de otimizacao acionaveis**. O projeto foi diretamente inspirado pela **Optmyzr** e pela **Dolead**, ambas analisadas em profundidade durante nossa pesquisa competitiva. ## Objetivos & contexto **Content:** Objetivo de negócio: permitir que anunciantes do Google AdWords automatizem suas campanhas com IA, detectando palavras-chave com desempenho ruim e ajustando lances em tempo real. Contexto: mercado dominado pela Optmyzr (EUA) e Dolead (FR). Visávamos uma abordagem mais ML-first com scraping de SERP e classificação de intenção. Desafios: competir com plataformas estabelecidas, construir equipe produto/P&D, gerenciar dependência de APIs Google/Bing/Facebook. Riscos: cotas de API, quebras, concorrência, modelos de classificação imprecisos. ## Abordagem ML & pipeline tecnico **Content:** Pipeline ML em três etapas: (1) Coleta de dados via APIs Google AdWords, Bing Ads e um SERP Scraper próprio construído com Goutte e CasperJS para recuperar resultados estruturados. (2) Processamento NLP com NLTK para tokenização, stemming, remoção de stop words e vetorização TF-IDF. (3) Modelos ML no Azure ML Studio: classificação supervisionada por Gradient Boosting, clustering não supervisionado por k-means, e Google Prediction API para segmentação de audiência. Arquitetura: Backend Symfony 3.2 com 4 bundles, frontend Angular 4 depois Angular 10 com Highcharts e Syncfusion. Infraestrutura: Vagrant Ubuntu 16.10, MySQL utf8mb4, Memcached, GitLab CI/CD, Electron desktop + Cordova mobile. ## Équipe & organizacao **Content:** Equipe Scrum de 5 pessoas: 1 CEO/fundador, 1 CTO/cofundador técnico (meu papel: gerente de projeto técnico e cofundador), 2 desenvolvedores freelance backend/frontend, 1 designer UX. Organização: sprints de 2 semanas com Sprint Planning (Trello), desenvolvimento, code review (GitLab MR), deploy automático staging (GitLab CI), Sprint Review (demo), Retrospectiva. 18+ repositórios em 3 versões maiores. 40+ páginas de mockups. Coordenação diária e gestão externa de freelancers. Interações comerciais com primeiros beta-testers, feedback semanal. ## Resultados & realizacoes **Content:** Plataforma SaaS funcional em produção com campanhas gerenciadas automaticamente. Provas de conceito validadas para classificação de intenção de busca e detecção de palavras-chave negativas. Aplicações multi-plataforma: web SPA Angular, desktop Electron, mobile Cordova. Pipeline ML operacional com Azure ML Studio. Integração com Google AdWords, Bing Ads, Facebook Ads APIs. Pessoalmente: primeira experiência de cofundação de startup tech, gestão de equipe técnica e P&D em ML aplicado ao marketing digital. ## Desfecho do projeto **Content:** O projeto encerrou no final de 2018 após 3 anos. A startup não encontrou product-market fit para levantar fundos significativos. Aprendizados: restrições regulatórias rígidas de APIs Google/Facebook, competição feroz no mercado US, dificuldade de diferenciar produto técnico contra players estabelecidos. Essas lições alimentaram projetos posteriores (Groupe Pichet, depois ACCENSEO). ## Reflexao critica **Content:** Pontos fortes: arquitetura técnica moderna para a época, equipe motivada, abordagem ML-first diferenciada. Pontos fracos: sobreinvestimento técnico antes da validação de product-market fit, dependência excessiva de APIs de terceiros, falta de força comercial para enfrentar Optmyzr e Dolead. Lições: validar o mercado antes de sobre-construir. Uma startup tech não sobrevive sem tração comercial. Priorizar POCs rápidos em vez de plataformas completas antes de ter os primeiros clientes pagantes. Este projeto foi uma escola de lucidez empreendedora que me serviu na ACCENSEO posteriormente.